时宜、服务不间断”的智慧新体验，共创鸿蒙万物智联的未来新世界。 Agent 时代 鸿蒙应用生而智能 前 言 近年来，生成式人工智能（Generative AI）迎来前所未有的技术飞跃， 以大语言模型（LLM） 为代表的基础模型进入高速迭代期，一路狂奔，不断刷新能力边界。模型在复杂任务推理、规划、 代码生成等方面取得显著提升，在各类权威基准测试中不断突破记录，多项能力指标接近甚至 超越人类专家水平。 模型 复杂多轮对话，实现“全局理解”和“文档级记忆”，为报告审阅、代码仓分析等高复杂度任 务提供了技术基础。 与此同时，具备跨模态能力的理解与生成模型加速涌现，支持文本、图像、语音、视频等 多模态输入输出，大幅提升了对现实世界的感知与表达能力，赋能教育、创意设计、广告营销、 媒体内容生成等新场景，成为新一代人机交互与智能创作的核心。 知识蒸馏、低比特量化等技术推进了模型压缩和高效推理，使大模型“端侧可部署”成为 现实。通过“本地小模型 + 云端大模型”的协同推理，可以最大化 发挥“端侧快”和“云侧强” 的优势，同时解决信息安全隐患、云端算力成本过高等问题。 这一系列技术的突破，正在重塑人类与数字世界的交互方式。生成式 AI 不再是问答工具， 而是嵌入到每一个终端、系统、应用与服务中的可持续演化的智能体（Agent），具备感知周 围环境、理解用户意图、学习用户偏好、自主执行复杂任务的全流程能力。 2024

开发的效率，使得代码更易于 编写和阅读。  强大的标准库：ArkTS 拥有一个功能丰富的标准库，涵盖了从数据结 构、算法到输入输出等方方面面，例如：高精度浮点运算、二进制 Buffer、XML 生成解析转换和多种容器库等丰富的操作方法，帮助开 发者简化开发工作，提升开发效率。  模块化管理：ArkTS 支持应用模块化开发、编译、打包和运行，例如： 应用模块化按需加载能力，方便大型复杂应用的多模块业务场景，高 ArkTS 库进行 互操作自动封装。当开发者在仓颉工程中导入 ArkTS 库时，该工具解析 ArkTS 库的接口声明文件（.d.ts 或者.d.ets 文件），生成仓颉调用 ArkTS 接口的互操作 “胶水层”代码，开发者直接调用由工具生成的仓颉接口即可，从而避免开发者 手写互操作代码的复杂度。 更详细描述请参考《仓颉编程语言开发指南》中 仓颉-ArkTS 互操作 2 章 节。 基本语法风格，兼容 TS 高效语法，显著提升代码的简洁性和健壮性，方便开发者根据场景灵 活使用。  基于 TS 的高效语法进一步增强效率  扩展高频基础库，ArkTS 基础类库提供了 XML 生成解析转换、二 进制 Buffer、多种容器类库、URL 字符串解析和高精度浮点计算等能 力，协助开发者简化开发工作，提升开发效率。 19  扩展并发能力，针对 TS/JS 并发能力支持有限的问题，ArkTS

1：应用或服务的 UI 自适应不同尺寸的设备屏幕，并且在不同设备的功能相同， 可以实现多设备共享一个 HAP 包。这种场景下建议开发者通过一个模块来开发，并 配置该模块支持多设备，然后再编译构建生成一个 HAP，分发到不同类型的设备上 运行。  模式 2：应用或服务的 UI、功能在不同设备间存在差异，无法实现 HAP 包多设备归 一。可根据实际情况设置不同模块适用的设备类型，编译构建多个 所见即所得的样例代码、最佳实践，支撑开发者高效完成鸿蒙应用的开发。 AI 智能问答&FAQ：鸿蒙 AI 智能问答系统以“精准理解 + 可信生成”为核心设计理 念，融合盘古大模型与 DeepSeek 技术能力，打造覆盖“问题解析-知识检索-答案生成”的 32 全链路智能化体验。开发者常见问题的总结，开发者可以通过 FAQ 更高效地解决常见问题。 FAQ 会持续刷新，及时呈现最新的常见问题。 提供了工程管理、代码编辑、界面预览、编译构建、代码调试等基础功能，同时还集成了性 能调优工具、设备模拟工具、命令行工具等帮助开发者解决特定领域的问题，并将智能化贯 穿到开发流程中，提供代码续写、代码解释、页面生成、辅助问题定位及修复、辅助调优等 AI 能力。 SDK：集成在 HUAWEI DevEco Studio 中，包含开发者可以使用的 API 定义以及调试 编译等基础的工具链。 请 访 问

Q M 检 验 流 程 业务 - 事件 检验批 确定样品 样品计算 动态修改质量级别 …….. 结果记录 缺陷记录 使用决策 评估 检验流程 - 系统关键控制（检验批的生成） 检验批的内容 目 录 QM 模块简介 2 1 组织架构 3 检验批 主数据 7 使用决策 6 记录缺陷 4 5 录入检验结果 8 检验活动 案例 - 买 1000

自耗时高、慢SQL...  链路调用量 -> 重复调用问题 …… 解释表象  线程池、连接池是否打满  慢SQL分析  内部方法自耗时高原因  重复调用是否可优化 …… 整体报告生成 推动治理 性能治理  压测结论、问题、论证、优化方案  与研发侧确认问题、推动治理  复测 高风险指标 中风险指标 低风险指标 服务层检测  服务超时率  服务异常率  服务调用量

JS 错误 l 页面平均响应时长 …… 服务层检测 l 服务超时率 l 服务异常率 l 服务调用量 l 服务平均响应时长 …… 系统隐患 预防 定位性能瓶颈节 点初步定位 整体报告生成 推动治理 健康检测 引 擎 l 业务、应用、组件、基础 资源容量水位模型 容量标准制定 性能对比 隐患报告定时推送 风险问题闭环整改 实时监控体检 运营闭环管理 容量问题优化